1.1 Données ouvertes et liées du graphe Wikidata

Wikidata est une base de connaissances libre, éditée de manière collaborative et hébergée par la fondation Wikimedia. Son contenu étant placé sous licence CC0 (« Transfert dans le Domaine Public »), elle permet de centraliser l’accès aux données utilisées par différents projets Wikimedia (Wikipédia (2021)).

Les informations saisies dans Wikidata sont des données ouvertes “brutes” multilingues non-supervisées qui sont liées, notamment aux articles de l’encyclopédie contributive Wikipedia. Wikidata est à différencier de l’ontologie DBpedia¹ (figure 1) au sens où l’ontologie sous-jacente de Wikidata n’est pas formalisée à priori - ce qui est le cas de DBpedia, mais elle émerge des usages et pratiques de la communauté Wikidata. En effet, les deux dispositifs à vocation encyclopédique diffèrent dans leurs finalités initiales. DBpedia est un effort de la communauté scientifique pour extraire des informations structurées du projet encyclopédique Wikipedia et les lier à d’autres formalismes de données du web sémantique. Wikidata est un dispositif de curation² ou d’annotation de données par les contributeurs et contributrices de Wikipedia ou Wikidata.

La base Wikidata fournit un support à de nombreux autres sites et services au-delà des seuls projets de Wikimedia. Son contenu est exporté dans des formats standards et peut être lié ou aligné à d’autres ensembles de données ouvertes sur le Web des données³. Wikidata offre ainsi un large domaine d’informations générales sur notre univers ou ses représentations et des liens vers d’autres graphes ou bases de données. Il contient à ce jour plus de 100 millions d’items.
La dynamique de création collective de ce projet encyclopédique peut être saisie à l’oreille grâce à l’application développée par Hatnote, Stephen LaPorte and Mahmoud Hashemi.

1.2 Standard RDF du W3C

Le RDF (Resource Data Framework) est un cadre général de modélisation utilisé pour décrire formellement les ressources du Web via leurs métadonnées afin de permettre le traitement par inférence de telles descriptions. Développé par le W3C⁴, le RDF est le formalisme de base du Web sémantique.

Au sein de ce paradigme, un document ou une ressource consiste en un ensemble de triplets⁵, chacun associant un sujet, un prédicat et un objet :
- le «sujet» du prédicat représente la ressource à décrire,
- le «prédicat» représente un type de propriété applicable à cette ressource,
- l’«objet» représente une donnée, une autre ressource ou une valeur associée à la propriété (ou prédicat).

Le sujet et l’objet, dans le cas où ce sont des ressources, peuvent être identifiés par un identifiant unique de la ressource (URI⁶), une valeur ou être des nœuds anonymes. Le prédicat est nécessairement identifié par un URI. Par exemple, la déclaration “Bob s’intéresse à Mona Lisa” est formalisée de la manière suivante :

Un dépôt de triplets RDF ainsi formé correspond à un multigraphe orienté étiqueté : chaque triplet correspond alors à une arête orientée dont l’étiquette est le prédicat, le sujet est le nœud source et l’objet est le nœud cible (figure 3).

1.3 Le langage SPARQL

SPARQL⁷ (prononcé sparkle, en anglais : « étincelle ») est à la fois un langage de requête et un protocole qui permettent de rechercher, d’ajouter, de modifier ou de supprimer des triplets RDF disponibles à travers le Web. Aujourd’hui, le Web de données (représenté par le nuage du Linked Open Data ou ses domaines) est interrogeable via des centaines de services SPARQL qui mettent à disposition de plus en plus de graphes de données ouvertes et liées comme c’est le cas du projet plurilingue Wikidata (Wikipédia (2022)).

Vocabulaire ou espace de noms

Dans Wikidata les entités et leurs coordonnées spatiales et temporelles sont modélisées selon les fragments de graphes lisibles par l’humain et la machine dans divers formats⁸ : XML, json, turtle etc. Ceux-ci comprennent des classes instanciées et liées entre elles par des prédicats (ou relations). Pour Wikidata comme pour d’autre modèles de données, il existe un vocabulaire spécifique. En général, les ontologies du web sémantique disposent d’un vocabulaire décrit au sein d’espaces de noms associés au micro-monde décrit.

Par exemple, pour modéliser les données des réseaux sociaux, il existe un vocabulaire dédié “Friend of a friend (FOAF)” ; pour les ressources bibliographies, la BnF mobilise notamment le vocabulaire “Functional Requirements for Bibliographic Records” (FRBR) élaboré par la Fédération internationale des associations et institutions de bibliothèques (IFLA) etc. Un autre exemple est l’ontologie du domaine associée à la diffusion de la musique fondée en 2002 avec l’initiative MusicBrainz (Swartz 2002), “corne d’abondance des communs” musicaux, déployée avec l’émergence du web.

L’espace de nom de l’ontologie de Wikipedia, DBpedia est accessible à cette URL : https://dbpedia.org/ontology/.

Préfixes et requêtes

À chaque vocabulaire utilisé pour construire la requête sont associés différents préfixes⁹. Dans le cas présenté, la déclaration du vocabulaire mobilisé (celui de Wikidata notamment) est intégrée aux packages utilisés. Toutefois, en général, il est nécessaire de le préciser dans l’entête de la requête SPARQL, sous une certaine forme :

PREFIX préfixe: <espace de nom>

Les éléments d’un triplet prennent alors la forme suivante :

prédicat = préfixe:propriété
domaine/co-domaine = préfixe:entité

Le préfixe est, en quelque sorte, la déclaration de “la langue” dans laquelle il faut lire “la classe” (entité ou propriété) qui le suit. En langage naturel, on pourrait l’écrire ainsi : en:city, fr:ville, de:burg,es:cuidad etc. avec la déclaration de l’espace numérique où est défini cette langue : PREFIX en:<http://malangueanglaisequejutilise.en/#, par exemple. Cela permet non seulement de simplifier l’écriture :

<http://malangueanglaisequejutilise.en/#>:city

en

en:city

mais aussi de résoudre les questions de définition ou de polysémie des termes.

Classiquement, pour rechercher des entités qui ont pour type, dans le vocabulaire RDF (rdf), celui d’une ville, dans le vocabulaire DBpedia (dbo), on peut écrire le triplet sous la forme suivante :

?city rdf:type dbo:city .

sous réserve de déclarer en tête de la requête SPARQL les préfixes des vocabulaires DBpedia et RDF :

PREFIX dbo: <http://dbpedia.org/ontology/> 
PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> 

Puis, si on souhaite connaître leur pays de rattachement, dans le vocabulaire DBpedia, on peut écrire un second triplet :

?city dbo:country ?country .

Au sein des deux triplets, le point d’interrogation ? permet de préciser, dans la requête, quelles sont entités recherchées : des objets de type ville (dbo:city) dans la variable ?city et leur pays respectif (dbo:country) dans la variable ?country.

Avec la déclaration des espaces de noms et la simplification de la syntaxe utilisant des préfixes, il est possible d’interroger des graphes (bases de données dites NoSQL¹⁰) au moyen d’un protocole Sparql sur un Point de Présence (SPARQLEndPoint) au sein d’un réseau HTTP.

Dans la suite, plusieurs préfixes Wikidata spécifiques aux entités et aux types de propriétés sont utilisés. Dans le cadre de notre étude, le tableau suivant récapitule les classes et propriétés utilisées, ainsi que quelques préfixes du schéma Wikidata utilisés pour former les triplets :

Dans le cas où le prédicat de wikidata est utilisé avec le préfixe p, ps ou pq, la donnée associée est une assertion (spécifiée dans la tableau par le suffixe -St), c’est à dire un autre triplet. Ces spécificités du graphe wikidata sont abordées dans la partie 3.

2.1 Packages utilisés

Les packages utilisés pour réaliser l’ensemble de la chaîne de traitement présenté dans ce document sont les suivants :

• wikidataR¹¹ (et son extension WikidataQueryServiceR) : permet d’écrire une requête pour interroger le graphe de données Wikidata au moyen d’une Interface de Programmation d’Application (API) pour le service de requêtes Wikidata en langage SPARQL¹² ;
  
• rnaturalearth : met à disposition les données géographiques de Natural Earth ;
  
• sf : permet la gestion et la manipulation de données géographiques vectorielles ;
  
• dplyr : pour la manipulation des données ;
  
• mapview : pour l’affichage interactif de données géographiques (repose sur la librairie JavaScript Leaflet) ;
  
• tmap : pour la création de cartes thématiques ;
  
• ggplot2 : permet la production de graphiques basés sur la grammaire graphique ;
  
• av : génère des vidéos à partir d’images ou de graphiques R ;
  
• patchwork : permet de combiner plusieurs graphiques ggplot2 dans la fenêtre graphique ;
  
• jpeg : permet l’import, l’enregistrement et l’affichage des images matricielles (format bitmap) ;

Vous pouvez utiliser les lignes de code suivantes pour installer ces packages :

# Liste des packages du CRAN nécessaires
liste_packages <- c("WikidataR",
                    "WikidataQueryServiceR",
                    "remotes",
                    "rnaturalearth",
                    "sf",
                    "dplyr",
                    "mapview",
                    "tmap",
                    "ggplot2",
                    "av",
                    "patchwork",
                    "jpeg")

# Packages à installer
liste_packages_a_installer <- liste_packages[!(liste_packages %in% installed.packages()[,"Package"])]

# Installation des packages manquants
install.packages(liste_packages_a_installer)

Le package glitter proposé par Lise Vaudor permet l’écriture de requêtes SPARQL dans un formalisme proche de pratiques associées au langage R sans maîtriser la syntaxe SPARQL, pour sonder divers graphes (dont Wikidata). Celui-ci n’est pas disponible sur le CRAN.

L’ensemble des informations du système d”exploitation et des versions de packages utilisés pour générer ce notebook est disponible en fin de document.

2.2 Données collectées

Plusieurs sources de données sont utilisées pour ce travail exploratoire :

1. des données issues du graphe Wikidata ;
   
2. une couche géographique Natural Earth ;
   
3. et des fonds de carte accessibles via Leaflet.

Télécharger les données

3.3 Lister les œuvres du peintre et trouver leurs localisations géographiques

Dans cette seconde étape, on se propose de lister les œuvres de Johannes Vermeer avec leurs localisations. Au sein du graphe Wikidata, on fait l’hypothèse que les coordonnées de la localisation d’une œuvre, c’est à dire la valeur point(x,y), sont celles du musée ou de l’institution au sein de laquelle l’œuvre est actuellement exposée ou située. Afin d’obtenir cette localisation à partir de l’identifiant du peintre, on trace un premier chemin du graphe tel qu’illustré dans la figure 6.

## Construire la requête
# Sélectionner les données oeuvre, musée et coordonnées telles que
#  { 
#   l'oeuvre a pour peintre Johannes Vermeer;               # chemin principal
#   en option
#     {
#             l'oeuvre est localisée dans un musee .        # chemin optionnel
#             ce musée a pour localisation les coordonnées  # chemin optionnel
#     }
#  } 
 query <- "SELECT ?oeuvre ?musee ?coord WHERE \
           { \
             ?oeuvre wdt:P170 wd:Q41264 . \
             OPTIONAL \
             { \ 
               ?oeuvre wdt:P276 ?musee . 
               ?musee wdt:P625 ?coord \
             } \ 
           }"

## Exécuter la requête
data2_WR <- WikidataR::query_wikidata(query)

## Affichage des résultats
 DT::datatable(data2_WR)

library(WikidataQueryServiceR)

## Construire la requête avec le service de langue
# Sélectionne les noms des données oeuvre, musée et les coordonnées telles que 
#  { 
#   l'oeuvre a pour peintre Johannes Vermeer;               # chemin principal
#     en option
#     {
#             l'oeuvre est localisée dans un musee .        # chemin optionnel
#             ce musée a pour localisation les coordonnées  # chemin optionnel
#     }
#     en langue anglaise (en)                                   # service Wikilabel
#  } 
 query_label <- "SELECT ?oeuvreLabel ?museeLabel ?coord WHERE \
                 { \
                   ?oeuvre wdt:P170 wd:Q41264 . \
                   OPTIONAL \
                    { \ 
                      ?oeuvre wdt:P276 ?musee . 
                      ?musee wdt:P625 ?coord \
                    } \
                   SERVICE wikibase:label \
                    { \
                      bd:serviceParam wikibase:language \"[AUTO_LANGUAGE], en \". \
                    } \
                  }"

 ## Exécuter la requête
 data2_WQSR <- query_wikidata(query_label)
 
## Affichage des résultats
 DT::datatable(data2_WQSR)

3.4 Premiers éléments d’analyse exploratoire

## Construire la requête
# Sélectionne les données oeuvre et leur nom telles que 
#  { 
#   l'oeuvre a pour créateur le peintre Johannes Vermeer; # chemin principal
#     
#   en langue anglaise   (en)                             # service Wikilabel
#  } 
# par ordre décroissant         
 query_valeur_simple <- "SELECT  ?oeuvre ?oeuvreLabel WHERE \
                        { \
                          ?oeuvre wdt:P170 wd:Q41264 \ 
                            SERVICE wikibase:label \
                            { \
                              bd:serviceParam wikibase:language \"[AUTO_LANGUAGE], en \". \
                            } \
                        } \
                        ORDER BY DESC( ?oeuvre )"


## Stocker le résultat de l'exécution des requêtes
 resultats_oeuvres_valeur_simple <- WikidataQueryServiceR::query_wikidata(query_valeur_simple)

## Nombre d'oeuvres associées avec une valeur simple
 nombre_oeuvres_valeur_simple=nrow(resultats_oeuvres_valeur_simple)
 print(nombre_oeuvres_valeur_simple)

[1] 37

## Construire la requête
# Sélectionne les données oeuvre et leur nom telles que 
#  { 
#   l'oeuvre est liée à une assertion de création au peintre Johannes Vermeer; # chemin principal
#     
#   en langue anglaise   (en)                                                  # service Wikilabel
#  } 
# par ordre décroissant                                                        # ordonne
 query_declaration <- "SELECT ?oeuvre ?oeuvreLabel WHERE \
                      { \
                        ?oeuvre p:P170/ps:P170 wd:Q41264  
                            SERVICE wikibase:label \
                            { \
                              bd:serviceParam wikibase:language \"[AUTO_LANGUAGE], en \". \
                            } \ 
                      } \ 
                      ORDER BY DESC( ?oeuvre )"
 
## Stocker le résultat de l'exécution des requêtes
 resultats_oeuvres_exhaustif <- WikidataQueryServiceR::query_wikidata(query_declaration)
 
## Nombre d'oeuvres associées avec une assertion exhaustive
 nombre_oeuvres_exhaustif=nrow(resultats_oeuvres_exhaustif)
 print(nombre_oeuvres_exhaustif)

[1] 44

library(dplyr)

## Comparaison et affichage des œuvres présentes seulement dans les déclarations exhaustives associées à la propriété
 oeuvres_declarees=resultats_oeuvres_exhaustif %>% 
   filter(!oeuvre %in% resultats_oeuvres_valeur_simple$oeuvre)
 DT::datatable(oeuvres_declarees)

## Construire la requête
# Sélectionne le nom des données oeuvre et compte leur nombre de coordonnées distinctes telles que 
#  { 
#   l'oeuvre a pour créateur le peintre Johannes Vermeer; # chemin principal
#                   localisation un musée.                # chemin principal (suite)
#   ce musée a pour localisation les coordonnées          # chemin principal (fin)
#   en langue anglaise   (en)                             # service Wikilabel
#  } 
# pour chaque nom d'oeuvre                                # groupe
# par ordre décroissant                                   # ordonne
 query <- "SELECT ?oeuvreLabel \
                  (COUNT(DISTINCT?coord) AS ?count) WHERE \
          { \
              ?oeuvre p:P170/ps:P170 wd:Q41264 ; wdt:P276 ?musee . \
              ?musee wdt:P625 ?coord \
                    SERVICE wikibase:label \
                    { \ 
                      bd:serviceParam wikibase:language \"[AUTO_LANGUAGE], en \".\
                    } \ 
          } \
          GROUP BY ?oeuvreLabel \
          ORDER BY DESC(?count)"

## Exécuter la requête
 metadonnees_localisation_oeuvres_valeur_simple <- WikidataQueryServiceR::query_wikidata(query)
 
## Affiche le résultat
 DT::datatable(metadonnees_localisation_oeuvres_valeur_simple)

## Construire la requête
# Sélectionne le nom des données oeuvre et compte leur nombre de coordonnées distinctes telles que 
#  { 
#   l'oeuvre est liée à une assertion de création au peintre Johannes Vermeer; # chemin principal
#                                     de localisation au musée.                # chemin principal (suite)
#   ce musée a pour localisation les coordonnées                               # chemin principal (fin)
#   en langue anglaise   (en)                                                  # service Wikilabel
#  } 
# pour chaque nom d'oeuvre                                                     # groupe
# par ordre décroissant                                                        # ordonne

 query <- "SELECT ?oeuvreLabel \
                  (COUNT(DISTINCT?coord) AS ?count) WHERE \
          { \
            ?oeuvre p:P170/ps:P170 wd:Q41264; p:P276/ps:P276 ?musee . \
            ?musee wdt:P625 ?coord \
                  SERVICE wikibase:label \
                  { \ 
                    bd:serviceParam wikibase:language \"[AUTO_LANGUAGE], en \". \
                  } \ 
          } \
          GROUP BY ?oeuvreLabel \
          ORDER BY DESC(?count)"

## Exécuter la requête
 metadonnees_localisation_oeuvres <- WikidataQueryServiceR::query_wikidata(query)
 
## Affiche le résultat
 DT::datatable(metadonnees_localisation_oeuvres)

3.5 Troisième requête SPARQL : déclaration spatiale et temporelle

Comme illustré dans la figure 8, la localisation spatio-temporelle d’une entité est déclarée au moyen d’un prédicat direct (p:P276), qui permet l’accès à une forme complexe de localisation de l’œuvre choisie :

• dont les valeurs du prédicat ps:P276 sont des lieux (géographiques et institutionnels) caractérisés par l’ensemble des déclarations de localisations spatiales point(x,y), valeurs du prédicat wdt:P625 ;
  
• dont les valeurs des prédicats de type qualifiers de la déclaration ?lieu donnent des périodes temporelles (date de début : pq:P580, date de fin: pq:P582) ou date/point dans le temps de l’événement associé pq:P585.

## Construire la requête
# Sélectionne le nom des données musée, dates et coordonnées telles que 
#  { 
#   l'oeuvre choisie est localisée directement au lieu.                    # chemin principal
#   ce lieu est lié dans une assertion de localisation à un musée;         # chemin principal (suite)
#           est lié dans une assertion de temporalité à une date de début; # chemin principal (suite)
#           est lié dans une assertion de temporalité à une date de fin.   # chemin principal (suite)
#   ce musée a pour localisation les coordonnées .                         # chemin principal (suite)
#   en langue anglaise   (en)                             # service Wikilabel
#  } 
 query <- "SELECT ?museeLabel ?dated ?datef ?coord WHERE \
          { \
            wd:Q4660880 p:P276 ?lieu . \
            ?lieu ps:P276 ?musee ; 
                  pq:P580 ?dated ;
                  pq:P582 ?datef . \
            ?musee wdt:P625 ?coord . \
                  SERVICE wikibase:label \
                  { \
                    bd:serviceParam wikibase:language \"[AUTO_LANGUAGE], en \". \
                  }  \
          }"
## Construire la requête
# Sélectionne la donnée image telle que 
#  { 
#   l'oeuvre choisie a pour image une représentation numérique .          # chemin principal
#  } 
 query_image <- "SELECT ?image WHERE \
                { \
                  wd:Q4660880 wdt:P18 ?image \
                }"

## Exécuter les requêtes
 metadonnees_lieu_temps_oeuvre <- WikidataQueryServiceR::query_wikidata(query)
 image_oeuvre <- WikidataQueryServiceR::query_wikidata(query_image)
 
## Afficher le résultat
 DT::datatable(metadonnees_lieu_temps_oeuvre)

# Enregistrement des données en format csv
write.csv(x = metadonnees_lieu_temps_oeuvre, file = "data/data.csv", row.names = FALSE)
# Import du fichier de données enregistrées
data <- read.csv("data/data.csv", row.names = NULL)

download.file(url = image_oeuvre[[1]],
              destfile = 'data/images/Q4660880.jpg',
              mode = 'wb')

4.1 Les œuvres de Johannes Vermeer

Les données issues de la seconde requête SPARQL (data2) listent l’ensemble des œuvres de Vermeer et leurs localisations respectives (nom du musée et coordonnées géographiques quand elles existent) selon Wikidata. Avant de les cartographier, quelques traitements sont nécessaires :

1. Suppression des doublons et des œuvres sans aucune localisation renseignée ;
2. Calcul du nombre d’œuvres par musée (localisation) ;
3. Géoréférencement¹³ des musées abritant des œuvres de Vermeer.

data2_WQSR <- data2_WQSR[!is.na(data2_WQSR$coord), ]

data2_WQSR <- data2_WQSR[!duplicated(data2_WQSR[, c("oeuvreLabel", "museeLabel")]), ]

DT::datatable(data2_WQSR)

4.1.2 Regroupement par musée

Plusieurs œuvres semblent avoir été exposées dans les mêmes lieux. Afin de cartographier les musées ayant exposé différentes œuvres de Johannes Vermeer, nous réalisons un regroupement des œuvres par intitulé des musées (musee), tout en calculant le nombre d’œuvres que chacune de ces institutions a exposées au cours du temps.

# Regroupement et calcul du nombre d'œuvres par musée
nb_oeuvres_musee <- data2_WQSR |>
                      dplyr::group_by(musees = museeLabel, coords = coord) |> 
                      dplyr::summarise(nb_oeuvres = n())


# Histogramme de répartition des musées en fonction du nombre d'œuvres de J.V. exposées
library(ggplot2)
ggplot(nb_oeuvres_musee, aes(x = nb_oeuvres)) +
  geom_histogram(breaks = 0:max(nb_oeuvres_musee$nb_oeuvres), col = "white") +
  xlab("Nombre d'œuvres exposées") +
  ylab("Nombre de musées")

Graphique 1 : Distribution du nombre d’œuvres de Johannes Vermeer exposées par musée

# Chargement du package sf, pour la gestion de données géographiques vectorielles
library(sf)

# Création d'objets géographiques ponctuels à partir des coordonnées stockées en WKT
geometry <- st_as_sfc(nb_oeuvres_musee$coords, crs = 4326)

# Création d'une couche géographique vectorielle (attributs des musées + géométries)
musee_geo  <- st_as_sf(nb_oeuvres_musee, geometry)

# Package pour la cartographie interactive (repose sur la librairie Leaflet)
library(mapview)

# Affichage interactif des musées, sur un fond de carte OpenStreetMap
mapview(musee_geo) 

# Package de cartographie thématique
library(tmap)

# Activation du mode de cartographie interactive
tmap_mode(mode = "view")

# Carte en symboles proportionnels
tm_basemap() +
tm_shape(musee_geo) +
tm_symbols(size="nb_oeuvres",
           scale = 4,
           col="red3",
           border.col="white",
           alpha =0.5,
           border.lwd=0.1,
           border.alpha=0.5,
           id = "musees",
           popup.vars=c("Nombre d'œuvres :"="nb_oeuvres" ))

# Package permettant d'utiliser l'API de Natural Earth
library(rnaturalearth)

# Téléchargement et enregistrement d'un fond de carte "pays"
monde <- ne_download(scale = "medium",
                     type = "countries",
                     category = "cultural",
                     destdir = "data/world",
                     load = TRUE,
                     returnclass = "sf")

monde <- sf::st_read("data/world/ne_50m_admin_0_countries.shp", quiet = TRUE ) 

plot(st_geometry(monde))

musee_geo <- st_intersection(musee_geo, monde[, "ADM0_A3"])

4.1.6 Répartition par pays

Le pays de localisation de chaque musée ayant été obtenu, nous pouvons réaliser une représentation graphique de cette distibution spatiale.

Commençons par calculer le nombre total d’œuvres exposées par pays :

nb_oeuvres_pays <- musee_geo |> 
                      group_by(ADM0_A3) |> 
                      summarise(nb_oeuvres=sum(nb_oeuvres))

Nous pouvons ensuite construire un graphique en utilisant le package de référence ggplot2.

# Graphique en barre - Nombre d'œuvres par pays
ggplot2::ggplot(data = nb_oeuvres_pays, 
       aes(x = reorder(ADM0_A3, -nb_oeuvres),
           y = nb_oeuvres, fill = ADM0_A3)) +
  geom_bar(stat = "identity") +
  ggtitle("Nombre d'œuvres de Johannes Vermeer exposées, par pays") +
  xlab("") +
  ylab("") +
  scale_fill_manual(values = c("#FC8D62", "#80B1D3"  ,"#E78AC3",
                               "#A6D854","#FFD92F","#E5C494",
                               "#FB8072","#BEBADA","#66C2A5",
                               "#FFFFB3","#8DA0CB")) +
  annotate(geom="text", 
           x = 9, y = 13, 
           label = "Une œuvre peut\navoir été exposée\ndans plusieurs pays" ) +
  theme(legend.position = "none")

Graphique 2 : Représentation histographique du nombre de peintures de Johannes Vermeer exposées dans différents pays au cours du temps

4.2 La ‘Dame assise au virginal’

Les données issues de la troisième requête SPARQL (‘data’) contiennent l’ensemble des localisations renseignées pour l’œuvre de Johannes Vermeer A Young Woman Seated at the Virginals (ou Dame assise au virginal en français). Nous allons donc réaliser un processus de nettoyage et de géoréférencement très semblable à celui de la partie précédente.

data <- data[!duplicated(data$dated), ]

# Création d'objets géographiques ponctuels à partir des coordonnées stockées en WKT
geometry <- st_as_sfc(data$coord, crs = 4326)

# Création d'une couche géographique vectorielle (attributs des musées + géométries)
data_geo  <- st_as_sf(data, geometry)

# Affichage des données 
DT::datatable(data_geo)

# Regroupement par musée - Calcul du nombre total d'expositions
nb_expos_musee_geo <- data_geo |>
                        group_by(museeLabel) |>
                        summarise(nb_expos=n())

# Popup content
content <- paste0( "<img  src='",
                   image_oeuvre[[1]],
                   "' width='180'><br /><b>",  
                   nb_expos_musee_geo$musee,
                   "</b><br />Nombre d'expositions de l'œuvre : <b>",
                   nb_expos_musee_geo$nb_expos,
                   "</b>")

# Carte
mapview(nb_expos_musee_geo,
        zcol = "museeLabel",
        col.regions = "red",
        legend = FALSE,
        popup = content,
        map.types = "Esri.WorldImagery")

# Jointure spatiale points/pays
data_geo <-st_intersection(data_geo, monde[,"ADM0_A3"])

5.1 Période d’exposition du tableau

Pour manipuler facilement le temps, nous commençons par convertir les dates d’arrivée et de départ de l’œuvre dans chaque musée en format de type date.

data_geo$datef <- as.Date(data_geo$datef)
data_geo$dated <- as.Date(data_geo$dated)

Il est ensuite simple de calculer le nombre de jours de présence dans un musée avec une soustraction. Nous sauvegardons ces valeurs (nombre de jours) dans une nouvelle colonne (‘duree’).

data_geo$duree <- as.integer(data_geo$datef  - data_geo$dated)

Le tableau a été exposé à deux reprises dans plusieurs musées. Nous calculons donc le nombre de jour total d’exposition du tableau par musée.

data_musee <- data_geo |>
                group_by(museeLabel, ADM0_A3) |> 
                summarise(duree = sum(duree),
                          nb_expos = n())

Plusieurs informations collectées peuvent être cartographiées. Voici un exemple de carte interactive réalisée avec le package tmap, qui représente le nombre de jours d’exposition du tableau au cours du temps, à l’échelle des musées.

# Activation du mode de cartographie interactive
tmap_mode(mode = "view")

# Construction d'une carte en symbole proportionnel
tm_basemap() +

tm_shape(data_musee) +
tm_bubbles("duree",
           col = "ADM0_A3",
           scale = 9,
           border.col="white",
           alpha = 0.7,
           border.lwd=0.1,
           border.alpha=0.5,
           title.col="Pays d'exposition",
           id = "musee",
           popup.vars=c("Nombre total de jours :"="duree", 
                        "Nombre total de séjours :"="nb_expos"))

5.2 Carte temporelle animée

La carte précédente ne permet pas de rendre compte de la trajectoire spatio-temporelle de l’œuvre. Une carte animée représentant la localisation de l’œuvre au cours du temps permettrait de formaliser son déplacement dans l’espace et dans le temps.

Pour cela, nous devons dans un premier temps choisir un pas de temps. La période de temps analysée est de presque 20 ans et le tableau peut avoir été exposé dans deux musées différents au cours d’un même mois. Nous choisissons donc de construire une carte animée réglée sur un pas de temps hebdomadaire, ce qui laissera le temps aux lecteur·rice·s de lire les informations affichées.

Un partir de ce pas de temps, nous créons un data.frame où chaque ligne représente une semaine calendaire située entre le 8 mars 2001 et le 13 Janvier 2019 à l’aide de la fonction seq. Nous créons également des colonnes vides qui permettront de stocker l’ensemble des informations de localisation de l’œuvre pour chaque semaine.

data_semaine<- data.frame(semaine = seq(min(data_geo$dated), max(data_geo$datef), "week"),
                          museeLabel = as.character(NA),
                          duree = as.integer(NA),
                          pays = as.character(NA),
                          geometry = NA)

Une boucle for permet de parcourir le tableau et d’obtenir les informations de localisation de l’œuvre si la date du premier jour d’une semaine ciblée data_semaine$week[i] est située entre une date d’arrivée et de départ dans le tableau data_geo. Si c’est le cas, on inscrit les informations du tableau data_geodans le tableau data_semaine.

for (i in 1:nrow(data_semaine)){

# Sélection des lignes où : Date d'arrivée <= week[i] <= Date de départ
temp <-   data_geo[data_geo$dated <= data_semaine$semaine[i] & data_geo$datef >= data_semaine$semaine[i], c("museeLabel", "duree", "ADM0_A3", "geometry")]

# Si une ligne est sélectionnée, on l'ajoute dans l'objet 'data_semaine'
if (nrow(temp)==1){data_semaine[i,2:5] <- temp}

}

Nous modifions ensuite les valeurs restées manquantes, pour les semaines où la peinture n’a pas été exposée.

data_semaine <- data_semaine |>  
                    mutate(
                      # si musee non renseigné, remplace par "Emplacement inconnu"
                      museeLabel=case_when(is.na(museeLabel)~"Emplacement inconnu", TRUE~museeLabel),
                      # si pays non renseigné, remplace par "pays ?"
                      pays=case_when(is.na(pays)~"pays ?", TRUE~pays),
                      # si duree non renseignée, remplace par 0
                      duree=case_when(is.na(duree)~0, TRUE~duree)
                      ) 

# Affichage du tableau
DT::datatable(data_semaine)

Bien que ce tableau possède une colonne geometry, il s’agit en fait d’un data.frame. Nous le convertissons en objet sf (couche géographique).

data_semaine <-st_as_sf(data_semaine)

Les données sont prêtes pour créer une carte animée qui représente la localisation de l’œuvre pour chaque semaine calendaire de 2001 à 2019. Pour cela, nous utilisons le package tmap, son mode plot (cartographique statique), sa fonction tm_facet (génère plusieurs cartes en fonction d’une variable) et sa fonction tmap_animation pour créer une carte animée en format vidéo.

# Cartographie en mode statique  
tmap_mode(mode = "plot")

# Création d'une carte stockée dans l'objet CARTE
CARTE  <- tm_shape(monde) +                      # Ajout fond de carte monde
          tm_polygons(col = "grey70", 
                  border.col = "grey60", 
                  border.lwd = 0.2) +
          
          tm_shape(data_semaine) +               # Ajout des musées, mais...
          tm_symbols(col = "red") +              
  
          tm_facets(along = "semaine",           # Une carte / semaine grâce à tm_facet
                    free.coords= FALSE, 
                    drop.units=FALSE)  +
      
          tm_layout(main.title ="",              # Gestion du titre
                    panel.label.fontface = 2,
                    panel.labels = paste0("Semaine du ", format(x = data_semaine$semaine, format = "%d %b %Y" )),
                    bg.color="lightblue") +
    
          tm_credits(bg.color = 'red',           # Affichage Nom des musées et Nombre de jours d'exposition
                     width = 0.5,
                     position = c('center', 'bottom'),
                     text = paste0(data_semaine$musees," (",data_semaine$pays,")\n",data_semaine$duree, " jours d'exposition"),
                     size = 1.2,
                     fontface = "bold",
                     col = 'white',
                     align = 'center')

Avec la fonction tm_facet, ce bout de code crée autant de cartes qu’il y a de lignes dans le tableau data_semaine.

Il est ensuite très facile de convertir cet objet list qui contient l’ensemble des cartes produites en fichier mp4 avec la fonction tmap_animation. Attention, la création d’un GIF ou d’une vidéo peut prendre plusieurs minutes.

Voilà le résultat !

6.1 Préparation des données

Une mise en forme des données est nécessaire pour construire ce type de frise chronologique avec ggplot2. Par exemple, le tri des données est important pour gérer l’ordre d’apparition des individus et des modalités sur le graphique.

Tri du tableau en fonction de la date (‘dated’) d’arrivée dans chaque musée.

data_geo <- data_geo[order(data_geo$dated, decreasing = FALSE), ] 

Tri d’ordre d’apparition des modalités (levels) pour les variables ‘nomLabel’ (= ‘musee’) et ‘ADM0_A3’ (= ‘pays’) que l’on transforme en factor.

# Tri des "levels" des musées en fonction de l'ordre d'apparition dans la table 'data_geo' 
data_geo$museeLabel <- ordered(as.factor(data_geo$museeLabel), levels = unique(data_geo$museeLabel))

# Tri des "levels" des pays en fonction de l'ordre d'apparition dans la table 'data_geo' 
data_geo$pays <- ordered(as.factor(data_geo$ADM0_A3), levels = unique(data_geo$ADM0_A3))

Nous créons une nouvelle colonne qui sera utilisée comme étiquette dans le graphique. Dans cette colonne, les noms des musées n’apparaissent qu’une fois, uniquement pour la première exposition.

# Sélection des premières dates d'arrivée (si il en existe plusieurs) pour chaque musée
fisrt_expo <- data_geo[!duplicated(data_geo$museeLabel), c("museeLabel", "dated")]

# Suppression de la colonne géométrie pour réaliser une jointure
fisrt_expo <- st_drop_geometry(fisrt_expo)

# Jointure par la date d'arrivée - ajout de la colonne label (nomLabel.y)
data_geo <- merge(data_geo, fisrt_expo, by="dated", all.x=TRUE)

Tableau de données après traitement (extrait) :

6.2 Construction graphique

 ggplot2::ggplot(data_geo, aes(x = dated, y = museeLabel.x))

# Construction de 'segments' entre la date d'arrivée (dated) et de départ (datef)
 ggplot2::ggplot(data_geo, aes(x = dated, y = museeLabel.x, color = pays)) +
  geom_segment(aes(xend = datef, yend = museeLabel.x, color =  pays), size = 6)

Mon_graph <- ggplot2::ggplot(data_geo, aes(x = dated, y = museeLabel.x, color = pays)) +
                geom_segment(aes(xend = datef, yend = museeLabel.x, color =  pays), linewidth = 6)

Mon_graph <-  Mon_graph +
              # Ajout d'une étiquette pour chaque segment représenté
              geom_text(aes(label = museeLabel.y, hjust =1.05), size = 3.5, show.legend = FALSE) +
              # Modification de la palette de couleurs (ADM0_A3)
              scale_color_manual(values = c("#7570b3", "#e7298a", "#66a61e", "#e6ab02", "#a6761d","#1b9e77", "#d95f02"))

# Affichage du résultat
Mon_graph

Mon_graph <- Mon_graph +
  
              # Modification de l'axe des abscisses
              scale_x_date(date_labels = "%Y", date_breaks = "2 year", minor_breaks = "1 year",
                           limits = c(as.Date("1994-01-01"),as.Date("2019-01-13")) ) +
  
              # Ajout d'un titre et d'un sous-titre
              labs(title = "Le voyage d'un tableau de Johannes Vermeer",
                   subtitle = "Aux pays des musées, de 2001 à 2019") +
  
              # Paramétrage du 'thème'
              theme(panel.grid.major.y = element_blank(),
                    panel.grid.major.x = element_line(size = 0.2, colour = "#707073"),
                    panel.grid.minor.x = element_line(size = 0.2, linetype = 3, colour = "#707073"),
                    panel.border = element_blank(),
                    panel.background = element_blank(),
                    axis.text.y = element_blank(),
                    axis.text.x = element_text(size=8.5, colour = "#FFFFFF"),
                    axis.title = element_blank(),
                    rect = element_rect(fill = "#2a2a2b"),
                    legend.position =  c(.93, .25),
                    legend.key = element_rect(fill  = "#2a2a2b"),
                    legend.key.height = unit(0.4, 'cm'),
                    legend.background = element_rect(fill  = "#2a2a2b"),
                    legend.margin = margin(0.5,1,1,1),
                    legend.title = element_blank(),
                    legend.text = element_text(colour = "#FFFFFF",  size = 7),
                    title = element_text(colour = "#FFFFFF", hjust = 1, vjust = 0),
                    plot.margin=unit(c(1,1,0.5,1),"cm"))

Mon_graph

library(jpeg)

img <- readJPEG("data/images/Q4660880.jpg", native = TRUE)

library(patchwork)

Mon_graph +
  
  # Titre de l'image
  annotate("text", 
           x = as.Date("1997-03-01"), 
           y = 7, 
           colour = "#FFFFFF", 
           size = 3.4,
           label = "Young Woman Seated\nat a Virginal  (1670)") +
  
  # Insertion de l'image
  inset_element(p = img, 
                clip = TRUE, 
                left = 0.04, 
                right = 0.27, 
                top = 0.95, 
                bottom = 0.46)

7.1 Code reproductible

Voici quelques exmples d’artistes peintres que vous pouvez requêter :

• Salvador Dalí Q5577 ;
  
• Nandalal Bose Q3348980 ;
  
• Kalervo Palsa Q320590 ;
  
• Katsushika Hokusai Q5586 ;
  
• Edvard Munch Q41406 ;
  
• Pablo Picasso Q5593.

#-------------------------------------------------------------------------------------------------#
#                                                                                                 #
#                                   Exploration spatio-temporelle                                 #
#                                 de l'exposition des œuvres de ???                               #
#                                         Selon Wikidata                                        #
#                                                                                                 #
#-------------------------------------------------------------------------------------------------#    

#--------------------------------------- PACKAGES NECESSAIRES ------------------------------------#

# install.packages("WikidataQueryServiceR")
# install.packages("sf")
# install.packages("rnaturalearth")
# install.packages("ggplot2")
# install.packages("tmap")


######################################### CHOIX DE L'ARTISTE ######################################

ID <- "Q5593"
NOM <- "Pablo Picasso"


#---------------------------------------------- REQUETE ------------------------------------------#

# Construction de la requête SPARQL avec l'identifiant (ID) indiqué

 library(WikidataQueryServiceR)

# Sélectionner les noms des oeuvres et musées et leurs coordonnées telles que
#  { 
#   l'oeuvre a pour peintre l'entité peintre ;             # chemin principal
#     en option
#      {
#             l'oeuvre est localisée dans un musee .        # chemin optionnel
#             ce musée a pour localisation les coordonnées  # chemin optionnel
#      }
#     en langue française et anglaise
#  } 
 entite_peintre <- paste0("wd:",ID)
 query <-  "SELECT ?oeuvreLabel ?museeLabel ?coord WHERE \
{\
  ?oeuvre wdt:P170",entite_peintre," . \
    OPTIONAL \
      {\ 
        ?oeuvre wdt:P276 ?musee . \
        ?musee wdt:P625 ?coord \
      }\
    SERVICE wikibase:label \
    {\
    bd:serviceParam wikibase:language \"[AUTO_LANGUAGE], fr,en \".\
    }\
}"

 my_data <- query_wikidata(query)


#----------------------------------------- NETTOYAGE DONNEES -------------------------------------#

# Suppression des doublons
 my_data <- my_data[!duplicated(my_data$oeuvreLabel), ]

# Suppression entités (musées et institutions) sans coordonnées renseignées
 my_data <- my_data[!is.na(my_data$coord), ]
 DT::datatable(my_data)

#-------------------------------------- REGROUPEMENT PAR MUSEE -----------------------------------#

 nb_oeuvre <- aggregate(oeuvreLabel ~ coord + museeLabel, data = my_data, FUN = length)
 colnames(nb_oeuvre)[3] <- "nb_oeuvre"

#----------------------------------------- GEOREFERENCEMENT --------------------------------------#


# Chargement de la librairie sf

 library(sf)

# Création d'objets géographiques ponctuels à partir des coordonnées stockées en WKT
 geometry <- st_as_sfc(nb_oeuvre$coord, crs = 4326)

# Création d'une couche géographique vectorielle (attributs des musées + géométries)
 nb_oeuvre_by_museum <- st_as_sf(nb_oeuvre, geometry)



#------------------------------- ENRICHISSEMENT - JOINTURE SPATIALE -----------------------------#

#### Import de la couche géographique des pays

 library(rnaturalearth)

 monde <- ne_download(scale = "medium",
                     type = "countries",
                     category = "cultural",
                     destdir = "data/world",
                     load = TRUE,
                     returnclass = "sf")



#### Jointure spatiale
 nb_oeuvre_by_museum <-st_intersection(nb_oeuvre_by_museum , monde[,"ADM0_A3"])


#---------------------------------- GRAPHIQUE NOMBRE ŒUVRES PAR PAYS ----------------------------#

#### Regroupement par pays 

 by_country <- aggregate(nb_oeuvre ~ ADM0_A3 , data = nb_oeuvre_by_museum, FUN = sum)


#### Graphique 

library(ggplot2)

 ggplot(data = by_country, aes(x = ADM0_A3, y = nb_oeuvre) )  +
  geom_bar(stat="identity") +
  ggtitle(paste0("Nombre d'œuvres de ", NOM ,", par pays")) +
  xlab("") +
  ylab("") +
  theme(legend.position = "none",
        axis.text.x = element_text(size=8),
        axis.text.y = element_text(size=11))


#----------------------------- CARTOGRAPHIE - NOMBRE ŒUVRES PAR MUSEE ---------------------------#

 library(tmap)

 tmap_mode(mode = "view")
 tm_shape(nb_oeuvre_by_museum) +
 tm_symbols(size="nb_oeuvre",
           scale = 2,
           col="red3",
           border.col="white",
           alpha =0.5,
           border.lwd=0.1,
           border.alpha=0.5,
           title.size = "Nb d'œuvres",
           id = "museeLabel",
           popup.vars=c("Nombre d'œuvres"="nb_oeuvre"))

7.2 Données et graphiques produits

Voici un exemple des données et graphiques produits avec l’artiste peintre et graveur norvégien Edvard Munch, ayant pour identifiant Wikidata : Q41406.

ID <- "Q41406"
NOM <- "Edvard Munch"

Dans un premier temps, le code permet de collecter l’ensemble des œuvres créees par l’artiste, ainsi que leurs localisations associées via une requête SPARQL. Voici par exemple les données collectées pour Edvard Munch :

Les données sont ensuite nettoyées des doublons et des œuvres qui ne sont jamais associées à des coordonnées géographiques précises, puis regroupées par musée :

Les musées sont alors géoréférencés, ce qui permet de réaliser une jointure spatiale avec une couche géographique des pays, et ainsi d’obtenir leur pays de localisation. Le code produit également une représentation graphique de la répartition des expositions des œuvres par pays :

Enfin, le code construit une carte interactive représentant le nombre d’œuvres exposées par musée :